低剂量CT图像伪影消除及细节保护算法研究

发布时间：2020-11-01 09:18

　　 X射线计算机断层(Computed Tomography,CT)成像技术自提出以来就广泛应用于临床诊断。与其他放射学诊断方式相比,CT技术具有分辨率高、价格便宜等优点,但过量的X射线照射可能会增加癌症、遗传病以及白血病的发病率,且辐射的剂量会在病人体内累积。所以,控制辐射剂量以获得低剂量CT(LDCT)图像具有重要意义。降低辐射剂量的方式有许多种,其中降低管电流是最简单有效的,所以也最常用。但管电流的降低会在投影数据中引入量子噪声,导致重建的CT图像中产生斑点噪声和条形伪影,严重干扰医生对病症的诊断,所以提高低剂量扫描条件下重建的CT图像质量具有重要的临床意义。为了改善低剂量CT图像的质量,本文从稀疏表示理论、非局部均值理论、形态分量分析和偏微分方程方法等角度进行深入研究,提出了三种低剂量CT图像域后处理算法。主要包含的内容如下:(1)为了解决非局部中心稀疏表示(Nonlocally Centralized Sparse Representation,NCSR)算法处理低剂量CT图像会残留条形伪影,不能很好地保护细节信息,且具有较高的计算复杂度等问题,本文提出了一种基于固定主成分分析(Principal Component Analysis,PCA)子字典、NCSR和相对总变分(Relative Total Variation,RTV)的低剂量CT图像后处理算法,称为SNCSR模型。在SNCSR模型中,为了学习更准确的子字典,低剂量CT图像由改进的总变分(Improved Total Variation,ITV)模型预处理,ITV正则项的加权系数是由截尾正则化的局部测度构造的。另外,为了更稀疏地表示恢复的图像,用图像块的梯度协方差矩阵的最大特征值区分结构信息和背景区域。此外,SNCSR模型在迭代开始之前仅学习一次固定子字典,不像NCSR模型在每一次外循环中都学习子字典,显著缩短了算法的运行时间。最后,用RTV模型进行滤波,进一步去除恢复图像中残留的条形伪影。在仿真骨盆体模、实际胸腔体模和临床腹部数据上进行的实验表明,与其他几种对比去噪算法相比,所提出的SNCSR模型具有较低的计算复杂度,可以更有效地提高低剂量CT图像质量。(2)提出一种基于分离(Separation-Based,SEPB)的算法用于抑制低剂量CT图像中的斑点噪声和条形伪影。其中,通过图像分解算法RC将低剂量CT图像分解为残余斑点噪声的结构图像和残余结构细节的条形伪影图像。通过K-奇异值分解(K-SVD)算法对结构图像进行滤波去除残余的斑点噪声,并且通过形态分量分析(Morphological Component Analysis,MCA)理论提取条形伪影图像中的结构细节。将提取的结构细节加到滤波的结构图像中得到低剂量CT结果图像。同时,在提取结构细节的过程中,用局部直觉模糊熵校正从条形伪影图像中学习的条形伪影字典,即去除其中的结构原子。在仿真改进Shepp_Logan体模数据和仿真骨盆体模数据上进行实验验证所提SEPB算法的有效性,实验结果表明,SEPB算法在主观视觉效果和客观评价指标方面都具有较好的表现。(3)提出了一个新型的总变分(Novel Total Variation,NTV)模型。因为细节区域的标准差和灰度概率大于噪声背景区域,边缘的梯度模大于噪声背景区域,因此NTV模型正则项的加权系数由标准差、灰度概率和梯度模构成,使模型自适应地平滑低剂量CT图像。此外,为了有效地保护边缘和细节,NTV模型的保真项由三维块匹配(Block-Matching 3D,BM3D)滤波模型构造,因为它能较好地保持边缘和细节。在仿真改进Shepp_Logan体模数据、仿真骨盆体模数据和实际胸腔体模数据上进行实验,与其他几种对比算法相比,主观视觉效果和客观评价指标均表明NTV模型能更有效地消除斑点噪声和条形伪影,并保护边缘和细节。
【学位单位】：中北大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：R814;TP391.41
【部分图文】：

探测器图 2.1 CT 成像系统定的能量和穿透力，当用 X 射线扫描物体时，物体用，使得 X 射线的能量发生衰减。不同物体对 X 射原子序数和密度有关。CT 成像中不考虑物体对 X 射收作用造成的衰减。 射线穿过一分布均匀的物体，X 射线强度的衰减服从射前强度为0I ，X 射线在均匀物体中行进的距离为 衰减系数，则经过物体衰减后的 X 射线强度I 可表示0xI I e 越大，I 越小，表明物体对 X 射线的衰减作用越大

扫描断层中扫描路径的极坐标方减系数为 ( x , y)的物体，得 ) ( , ) ( cos y dl x y x .9)是 Radon 变换。为 Radon 反变换：2 2 11 cos( )yx y tg x 投影数据 p ( r , )求出不同的

图2.6(a)-(b)是固定 22000，分别设置 =100if 和 =200if 的改进 Shepp_Logan 体模投影图，图 2.6(a1)-(b1)是相应的通过 FBP 重建的低剂量 CT 图像；图 2.7(a)-(b)是固定 62000，分别设置 =100if 和 =200if 的骨盆体模投影图，图 2.7(a1)-(b1)是相应的通过 FBP 重建的低剂量 CT 图像。2.5图像质量评价方法评价算法性能的手段一般分为主观视觉观察和客观评价指标，本文研究的低剂量CT 图像后处理算法也是借助这两种方法评价的。主观视觉观察，是以高剂量 CT 图像
【相似文献】

相关期刊论文 前10条

1 贾丽娟;;关于图像分辨率的教学思考[J];印刷世界;2011年05期

2 丁晓莲;周激流;李晓华;吴朋;;人脸识别率与图像分辨率关系的比较分析[J];计算机工程;2009年11期

3 张秀屏，刘锡国，丛玉良;提高彩电图像分辨率的研讨[J];光学精密工程;1994年02期

4 卫红;为DVD机配哪种彩电[J];家庭科技;2000年07期

5 ;斯波特5卫星商业图像分辨率将达2.5m[J];国际太空;1997年05期

6 卜丽静;张铭娟;陈方惠;许峥辉;赵晓宇;;利用地面靶标的超分辨率重建图像分辨率评价[J];测绘科学;2019年12期

7 宋其华;郭根生;;解析计算机图像分辨率[J];中国电化教育;2003年11期

8 谷梗;;数字图像分辨率定义与其计量方法——对“数字电影技术术语普及读本”有关条目的商榷意见[J];现代电影技术;2013年07期

9 ;教你详细了解各种分辨率[J];计算机与网络;2011年24期

10 谢美华;王正明;;图像分辨率增强的偏微分方程方法[J];遥感学报;2005年06期

相关博士学位论文 前10条

1 樊春玲;数据驱动的图像感知和质量评价方法[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

2 陈文斌;低剂量CT图像伪影消除及细节保护算法研究[D];中北大学;2019年

3 卞春江;光学遥感图像有效区域在轨实时检测与压缩技术研究[D];哈尔滨工业大学;2018年

4 牛仁杰;星载ATP图像处理平台关键技术研究[D];中国科学院大学(中国科学院光电技术研究所);2018年

5 穆楠;夜间场景下显著目标检测方法研究[D];武汉科技大学;2019年

6 张士杰;超像素级图像组协同关联性分析与研究[D];天津大学;2017年

7 王文胜;宽幅光学遥感图像舰船飞机目标检测识别技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年

8 孙琨;图像匹配与场景三维重建方法研究[D];华中科技大学;2017年

9 霍丽娜;基于视觉感知与注意机制的图像显著目标检测[D];西安电子科技大学;2016年

10 王体春;基于保真性准则的图像智能增强和图像质量评价的理论和方法[D];重庆医科大学;2018年

相关硕士学位论文 前10条

1 孙志琳;基于深度学习的行人再识别研究[D];山西大学;2019年

2 邓芮;基于视觉感知和数据紧凑表达的图像美感质量评估方法[D];华南理工大学;2019年

3 唐义嫄;离散小波域的图像混沌加密和隐藏方法研究[D];重庆邮电大学;2018年

4 林思哲;基于自底向上的视觉显著性检测模型研究[D];电子科技大学;2019年

5 辛佳佳;基于DSP的同时偏振图像去雾系统设计[D];长春理工大学;2019年

6 张大伟;基于GAN的人脸图像补全算法研究[D];长安大学;2019年

7 杜一凡;基于深度学习的全心肌分割算法研究[D];北京交通大学;2019年

8 韦永来;基于摄像机网络拓扑结构的行人再识别研究[D];合肥工业大学;2019年

9 闫峰;基于优化极限学习机算法对焊点的质量识别[D];云南大学;2018年

10 朱冠菲;基于MR数据生成伪CT数据的研究[D];中国计量大学;2018年

本文编号：2865329